[发明专利]一种无线通信自动调制识别方法、装置与系统

权利要求书

1.一种用于无线通信自动调制识别的神经网络系统，包括输入模块、残差单元和输出模块，其中，所述输入模块用于接受待识别的无线通信信号，获取所述信号的特征并将所述特征输送到所述残差单元，残差单元包括一个ConvBlackA单元和多个ConvBlackB单元，其中ConvBlackA包含三个Conv2D层、两个BN层，两个Gaussian Dropout层和两个PReLU层，ConvBlackB在ConvBlackA的基础上增加了一个BN层、一个Gaussian Dropout层和一个PReLU层；所述输出模块用于接收所述残差单元的输出，产生所述信号的调制识别结果。

2.根据权利要求1所述的神经网络系统，其中残差单元包括5个ConvBlackB单元。

3.根据权利要求1-2之一所述的神经网络系统，其中输入模块包括：5×5卷积层、BN层和PReLU层。

4.根据权利要求1-2之一所述的神经网络系统，其中输出模块包括：PReLU层、GaussianDropout层、GAP层和Softmax层。

5.一种无线通信系统的自动调制识别模型的训练方法，包括

步骤200：利用信噪比小于等于低信噪比阈值的信号，使用二阶勒让德多项式提取所述信号的五维特征，采用多个连续采样点的五维特征以形成行数为5的矩阵作为一个特征矩阵,将该特征矩阵作为一个训练样本，获取对应于不同的低信噪比信号的多个训练样本；

步骤300：使用所述对应于不同的低信噪比信号的多个训练样本训练权利要求1-4任意一项的系统，以得到对应于不同的低信噪比的多个神经网络模型，其中每个低信噪比神经网络模型对应于一个低信噪比范围。

6.根据权利要求5所述的方法，在步骤200之前，还包括使用所有信噪比下的信号样本训练权利要求1-4任意一项的系统，以得到一个通用的网络模型以及超参数，包括：采用信号的多个连续采样点的同向分量和正交分量特征形成行数为2的矩阵作为一个特征矩阵,将该特征矩阵作为一个训练样本，使用多个训练样本进行训练。

7.一种无线通信系统的自动调制识别方法，包括：

步骤1000：对于接收到的基带复信号，采用信噪比估计算法，利用信号的时域和频域特性，估计该信号的信噪比值；

步骤2000：提取信号特征，当信噪比小于或等于预定的低信噪比阈值时，使用二阶勒让德多项式提取信号的五维特征，采用多个连续采样点的五维特征以形成行数为5的矩阵，将其作为一个特征矩阵，将所述特征矩阵输入经权利要求5-6任意一项所述方法训练的适用于该信号的对应低信噪比范围的低信噪比神经网络模型，识别所述信号的调制方式。

8.根据权利要求7所述的方法，其中步骤2000还包括：

步骤2100：如果该信号的信噪比大于低信噪比阈值，采用多个连续采样点的同向分量和正交分量特征以形成行数为2的矩阵，将其作为一个特征矩阵，将所述特征矩阵输入经权利要求6所述方法训练的通用模型，识别所述信号的调制方式。

9.一种计算机可读存储介质，其中存储有一个或者多个计算机程序，所述计算机程序在被执行时用于实现如权利要求5-8任意一项所述的方法。

10.一种计算系统，包括：

存储装置、以及一个或者多个处理器；

其中，所述存储装置用于存储一个或者多个计算机程序，所述计算机程序在被所述处理器执行时用于实现如权利要求5-8任意一项所述的方法。